正则表达式在NLP的基本应用

本文介绍了正则表达式在NLP中的应用,包括匹配字符串、获取含关键字的句子、匹配任意字符、指定起始和结尾、用中括号匹配多个字符以及抽取文本中的数字,如年份等。
摘要由CSDN通过智能技术生成
  • 匹配字符串

通过使用re.search(regex,string)这个方法,可以检查这个string字符串是否匹配正则表达式regex。如果匹配到,这个表达式会返回一个match对象,如果没有匹配到则返回None。

1.获取包含关键字的句子

import re
text_string = '文本最重要的来源无疑是网络。我们要把网络中的文本获取形成一个文本数据库。利用一个爬虫抓取到网络中的信息。爬取的策略有广度爬取和深度爬取。根据用户的需求,爬虫可以有主题爬虫和通用爬虫之分。'
regex = '文本'
p_string = text_string.split('。')
for line in p_string:
    if re.search(regex,line) is not None:
        print(line)

输出结果为:

文本最重要的来源无疑是网络
我们要把网络中的文本获取形成一个文本数据库

2.匹配任意一个字符

"."代替任何单个字符(换行除外)

import re
text_string = '文本最重要的来源无疑是网络。我们要把网络中的文本获取形成一个文本数据库。利用一个爬虫抓取到网络中的信息。爬取的策略有广度爬取和深度爬取。根据用户的需求,爬虫可以有主题爬虫和通用爬虫之分。'
regex = '用户.'  # "."代替任何单个字符
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值